配对设计资料如何统计分析？ | 30天学会医学统计与SPSS公益课（D5）
实验性研究常见包括完全随机设计和配对（配伍）设计两种实现均衡可比的设计方法。
之前的课程介绍的t检验、秩和检验都是基于完全随机设计资料开展的统计分析，本日介绍配对设计的数据分析。
配对设计
配对设计是将受试对象配成对子，随机给予每对中的两个体以不同处理。配对条件为主要的非处理因素。
在动物试验中，常将种属、性别、年龄、体重相近的两动物配成对子；临床试验中，常将性别相同，年龄，生活条件、病情轻重等相似的两个病人配成对子。
配对设计常见有两种形式：
自身配对：同一对象接受两种处理，如同一标本用两种方法进行检验同一患者接受两种处理方法。自身配对又包括自身前后配对和自身平行配对。
异体配对：将条件相近的实验对象配对，并分别给予两种处理。
常见配对设计形式包括：
-同一受试对象处理前后的数据（自身前后）
-同一受试对象两个部位的数据（自身平行）
-同一样品用两种方法（仪器等）检验的结果（自身平行）
-配对两个受试对象分别接受两种处理后的数据（异体配对）
配对设计的优点(自身前后配对除外)是它可以保证非常好的可比性，而均衡可比的各处理组比进行比较分析，探讨干预措施与结局的因果关系，结论更可靠。
配对设计与完全随机设计
这里比较下完全随机设计和配对设计的差别。
实验性研究得把人至少分成两组，比如100名实验对象。对于完全随机设计，就是100个人通过抽签抓阄的方式随机分为两组，这两组样本量都可以不一样；对于配对设计，在100人跳出相似的个体，凑成对子，可能100个人能凑相似的对子的只有40对，然后40对个体分成2组，每组各40名，剩下的20名对象就不要了。
大家可以看出来，完全随机设计操作更简单，样本如容易获取；配对设计对子不好凑，但是凑出来的对子可比性很强，因为一个对子的两个个体特征都差不多。
另外必须要提另外一组概念：成组设计和配对设计。这组概念代表着另外一组名称：独立、非独立。成组设计意味着独立，配对设计意味着非独立、
完全随机设计属于成组设计的一种（成组设计还包括自然成组，比如男性和女性的虹升高比较，是独立成组的两组比较）。完全随机设意味着是数据独立，形成2组个体数据相互独立，一组数据不会影响另外一组数据，而配对设计两组数据则往往不独立，存在着相关性。为啥相关？大家可以联想下双胞胎，双胞胎的行为、生理生化、健康结局可能相似的，如果40对双胞胎分到两组，那么两组数据是不是就相关了？
实例分析
某项研究评估咖啡因对人体心肌血流量的影响，将24名年龄、BMI、专业相似的男性大学生配成12对，每组的两个成员随机分配到咖啡干预组、空白对照组，两组成员实验后测定心肌血流量[ml/(min·g)]，问干预后心肌血流量有无差异。数据库见kafei.sav。
思考
这个案例需要思考：
-该研究属于何种类型的研究设计
-如果是匹配设计，是配伍还是配对？
-结局变量属于什么类型的变量？
-正态性问题如何考虑？
案情分析
对于本案例，初学者往往有两种不分青红皂白的直觉：第一种，既然分为两组，那么属于成组两样本的研究，可能采用两样本t检验；第二种，两组样本量一样，若数据形成本案例类似的表格形式，肯定是配对设计。
直觉害死人！到底是成组两样本还是配对设计，一定要看研究者的文字说明，如果配对设计，必然有相应配置成对、成伍的意思。
本例得到的资料属于异体配对，其结局心肌血流量为定量数据，因此若要探讨干预组和对照组心肌血流量有无差异，虽然是定量数据，则不能考虑两样本t检验，这是因为干预组和对照组两组数据不再符合两样本t检验三个重要条件“正态性、独立性、方差齐性”中的独立性。
配对设计产生的两组数据是相关的。可以发现，大致上干预组血流量变量值越高，则对照组变量值也会高于其它运动员。比如运动员第4对，干预组变量值为5.7，而对照组为5.4；相反，运动员第10对，干预组变量值为3.5，而对照组为3.2。这一现象表明两组数据存在不符合独立性的条件。此时，不宜采用DAY 3 介绍的成组两样本t检验进行分析
统计分析策略
对于本例，则要考虑两种新的统计学方法：配对t检验或者符号秩和检验。配对t检验和符号秩和检验两种方法的选择，关键在于数据“正态性”的问题。这里的“正态性”不是两组数据的正态性”，是两组数据差值的正态性”。本例中，差值即12对运动员干预组、空白对照血流量的差值。
若差值为正态或者近似正态分布，则采用配对t检验；若差值为严重偏态分布，则采用Wilcoxon符合秩和检验(对了，本方法又出自统计学家Wilcoxon之手）。
总结来说，
或者
差值的计算与正态性检验
正态性检验结果：
结果如下，差值d夏皮洛-威尔克（SW）正态性检验显示，P=0.080，还不能认为数据是严重偏态分布的，因此，本案例的两组比较可以采用配对t检验进行统计分析。
如何利用SPSS进行配对t检验
配对t检验入口界面
分析-比较均值 -配对样本t检验
配对样本t检验对话框
配对t检验操作非常简单，直接将左侧“干预组、对照组心肌血流量”同时选中，放到右边选框中即可。
统计分析结果与解释
配对t检验结果有3张表。
第1表：分组统计描述结果，干预组心肌血流量为5.13±0.69ml/(min·g)，对照组心肌血流量为4.33±0.86ml/(min·g)
第2表为两组数据相关性的统计学检验。本表不重要，它描述了配对数据的相关性程度和P值，本例相关性系数为0.56（该值范围从0-1，越大相关性越强，0.56属于具有一定的相关性），P=0.060，表明还没有明显的证据能说明它们存在着统计学的相关（P值大于0.05，是因为样本量小）。在这里，P值不太有价值，关注相关系数即可。
第3表为配对t检验的结果，如下表：配对差值为0.80（95%CI: 0.33-1.27）；检验统计量t=3.740，P=0.003，配对差值与0值相比，差异具有统计学意义。
如何利用SPSS进行符号秩和检验
符号秩和检验入口界面
本文“心肌血流量”案例原则上应以配对t检验进行分析，但本文就本例也对符号秩和检验进行介绍，方便初学者学习和使用符合秩和检验。
符号秩和检验对话框
配对秩和检验操作与配对t检验完全一致
秩和检验统计分析结果与解释
SPSS软件中，秩和检验一般默认采用正态近似法进行统计分析，它将计算检验统计量z值和p值，本题z=2.85（无需关注负号），P=0.004，配对差值中位数与0值相比，差异具有统计学意义。该结果与配对t检验相似，但这里主要探讨总体中位数而不是总体均数。
结果及表格的规范表达
规范的统计表（其中一种形式）为：
注：本例差值及95%CI在配对t检验结果中得到
配对设计的优缺点
1.配对设计较完全随机对照研究的优点
配对设计由于配对个体之间变异性较小，采用对子间计算差值的方式开展统计分析，其抽样误差略小，因此配对设计的检验效能更好，更容易得到阳性结果。因此配对设计资料，应采用配对t检验或者配对秩和检验。
2.配对设计的缺点
找配对对象难哦。我拿结婚找对象作比较，一般的随即对照研究，就如自由恋爱，选择的余地较多；配对设计，是门当户对的相亲，要凑上对比较难。一般动物实验多见，而人群的RCT研究很少采用异体配对设计。
3.自身配对的结果可靠性的问题
自身配对包括自身平行配对和自身前后配对。
自身平行配对，符合高质量实验性研究三原则的（随机、平行对照和重复）。你这里估计纳闷了，配对怎么就随机了呢。平行配对其实也是随机化方法，它基本的过程是先配对，再随机将对象分配到实验组和对照组。对照组对象是与干预组同时同地相似的对象，是均衡可比的对象。因此自身平行配对结论可靠。
自身前后配对实验性研究，不符合随机、平行对照的要求。干预前往往是对照，而这个对照与干预后在时间上不可比，因此自身前后比较的结论难说可靠。一般自身前后配对实验性研究的结论往往是补充性、辅助性的。
那么，既然自身前后配对结论不可靠，我们还可以开展此类研究、发表论文么？可以的，一般这样的研究都是：第一，探索性的研究；第二，针对难以自我改善的疾病的研究；或者第三，质量不高的研究。
一般来说，自身对照配对研究下结论，都需要谨慎。